工业检测中的工件表面小缺陷检测方法技术

本发明专利技术涉及工业检测技术领域，提供一种工业检测中的工件表面小缺陷检测方法，首先利用缺陷搜索算法获取模型最优阈值thr_best，然后根据模型最优阈值thr_best搜索出工件表面缺陷检测模型的数据集潜在的缺陷位置，再根据低秩矩阵增强算法仅对潜在的缺陷位置图像进行低秩矩阵增强，采用增强后的图像进行检测模型训练，不仅可以降低算法处理的时间，还可以有效提高模型对小缺陷的检出率，满足实际工业生产要求，且无需高分辨率的相机，可以有效控制成本。成本。成本。

【技术实现步骤摘要】
工业检测中的工件表面小缺陷检测方法


[0001]本专利技术涉及工业检测
，具体涉及一种工业检测中的工件表面小缺陷检测方法和一种非临时性计算机可读存储介质。

技术介绍

[0002]工业质检中，小缺陷（像素总数小于400的缺陷）属于面积小但又比较严重的缺陷。目前，工业质检模型在提取图像特征的过程中会对图片进行多次下采样操作，小缺陷很容易在下采样操作的过程中被过滤掉，导致模型最终检测不出这些小缺陷。
[0003]相关技术中，为了提高小缺陷的检出率，通过采用高分辨的相机进行图像采集，以提高小缺陷的所占像素的量，该方式存在以下问题：1、高分辨率的相机比一般的相机成本高出数倍，导致工业检测的成本增加；2、高分辨的相机拍出的图片的数据量很大，导致模型在计算时候的需要处理大量的数据，花费大量的时间，影响检测效率。

技术实现思路

[0004]为解决上述技术问题，本专利技术的第一个目的在于提出工业检测中的工件表面小缺陷检测方法。
[0005]本专利技术的第二个目的在于提出一种非临时性计算机可读存储介质。
[0006]本专利技术采用的技术方案如下：本专利技术第一方面的实施例提出了一种工业检测中的工件表面小缺陷检测方法，包括以下步骤：步骤S1，采集工件图像并标注缺陷；步骤S2，将所述工件图像与高斯滤波核进行卷积；步骤S3，将卷积后的图像采用2*2核进行最大池化操作；步骤S4，重复步骤S2
‑
S3两次，以提取特征图像；步骤S5，将所述特征图像与四种方向的局部极值算子进行卷积操作并获取卷积结果，所述四种方向包括：+x方向、+y方向、
‑
x方向和
‑
y方向；步骤S6，对所述卷积结果进行判断，其中，如果所述卷积结果大于阈值thr，则将当前位置像素值设置为1，如果所述卷积结果小于或者等于阈值thr，则将当前位置像素值设置为0，以生成4张二值化图；步骤S7，将所述4张二值化图相同位置的像素值相加得到每个位置的像素值T，并所述每个位置的像素值T进行判断，其中，如果T=4，则将当前位置的像素值设置1，如果T≠4，则将当前位置的像素值设置0，以生成所述工件图像对应的第一Mask图像M1；步骤S8，对所述第一Mask图像M1求最大内接矩形轮廓，将所述内接矩形轮廓内的像素置为1，内接矩形轮廓外的像素置为0，得到第二Mask图像M2；步骤S9，将所述工件图像放大设定倍数生成第一放大图像I2，将所述第二Mask图像M2放大设定倍数生成第二放大图像M3；步骤S10，将所述第二放大图像M3的最大内接矩形轮廓与所述第一放大图像I2的每个GT框求IOU（Intersection over Union，交并比）值，对第一放大图像I2的所有GT（Ground Truth，缺陷标注）框的IOU值求均值IOU_MEAN；步骤S11，将所述阈值thr从255到0遍历一遍，重复执行步骤S2~S10，将满足IOU_MEAN>0.5的阈值thr中的最大值，作为当前工件图像的最优阈值；步骤S12，对所述步骤S1采集的所有工件图像分别执行步骤S2~S11，统计所有工件图像的最优阈值，将所述所
有工件图像的最优阈值中的最小的值作为模型最优阈值thr_best；步骤S13，获取工件表面缺陷检测模型的数据集，将所述数据集的图像执行步骤S2
‑
S9，其中，在执行步骤S2
‑
S9时将步骤S5中的阈值设定为所述模型最优阈值thr_best；步骤S14，获取所述数据集的图像中第二放大图像M3像素值为1对应在第一放大图像I2位置的图像块Y，采用低秩矩阵增强算法对所述图像块Y进行图像增强；步骤S15，采用增强后的数据集进行所述工件表面缺陷检测模型的训练。
[0007]本专利技术上述提出的工业检测中的工件表面小缺陷检测方法还可以具有如下附加技术特征：根据本专利技术的一个实施例，采用邻近插值法将所述工件图像放大设定倍数和将所述第二Mask图像M2放大设定倍数。
[0008]根据本专利技术的一个实施例，所述设定倍数为16倍。
[0009]本专利技术第二方面的实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术第一方面实施例所述的工业检测中的工件表面小缺陷检测方法。
[0010]本专利技术的有益效果：本专利技术首先利用缺陷搜索算法获取模型最优阈值thr_best，然后根据模型最优阈值thr_best搜索出工件表面缺陷检测模型的数据集潜在的缺陷位置，再根据低秩矩阵增强算法仅对潜在的缺陷位置图像进行低秩矩阵增强，采用增强后的图像进行检测模型训练，不仅可以降低算法处理的时间，还可以有效提高模型对小缺陷的检出率，满足实际工业生产要求，且无需高分辨率的相机，可以有效控制成本。
附图说明
[0011]图1是根据本专利技术一个实施例的工业检测中的工件表面小缺陷检测方法的流程图；图2是根据本专利技术一个实施例的高斯滤波核的结构示意图；图3是根据本专利技术一个实施例的四种方向的局部极值算子的结构示意图。
具体实施方式
[0012]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0013]图1是根据本专利技术一个实施例的工业检测中的工件表面小缺陷检测方法的流程图。如图1所示，该方法包括以下步骤：步骤S1，采集工件图像并标注缺陷。
[0014]具体地，工件图像为工件表面图像的集合，例如300张工件图像，并对采用的工件图像进行缺陷标注，包括缺陷的种类和位置（GT框）。
[0015]步骤S2，将工件图像与高斯滤波核进行卷积。
[0016]具体地，高斯滤波核的结构可参照图2所示。
[0017]步骤S3，将卷积后的图像采用2*2核进行最大池化操作。
[0018]步骤S4，重复步骤S2
‑
S3两次，以提取特征图像。
[0019]步骤S5，将特征图像与四种方向的局部极值算子（）进行卷积操作并获取卷积结果，四种方向包括：+x方向、+y方向、
‑
x方向和
‑
y方向。
[0020]具体地，四种方向的局部极值算子（）的结构可参见图3所示。
[0021]步骤S6，对卷积结果进行判断，其中，如果卷积结果大于阈值thr，则将当前位置像素值设置为1，如果卷积结果小于或者等于阈值thr，则将当前位置像素值设置为0，以生成4张二值化图。
[0022]具体地，阈值thr的初始值为255，具体见下述。
[0023]步骤S7，将4张二值化图相同位置的像素值相加得到每个位置的像素值T，并对每个位置的像素值T进行判断，其中，如果T=4，则将当前位置的像素值设置1，如果T≠4，则将当前位置的像素值设置0，以生成工件图像对应的第一Mask图像M1。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业检测中的工件表面小缺陷检测方法，其特征在于，包括以下步骤：步骤S1，采集工件图像并标注缺陷；步骤S2，将所述工件图像与高斯滤波核进行卷积；步骤S3，将卷积后的图像采用2*2核进行最大池化操作；步骤S4，重复步骤S2
‑
S3两次，以提取特征图像；步骤S5，将所述特征图像与四种方向的局部极值算子进行卷积操作并获取卷积结果，所述四种方向包括：+x方向、+y方向、
‑
x方向和
‑
y方向；步骤S6，对所述卷积结果进行判断，其中，如果所述卷积结果大于阈值thr，则将当前位置像素值设置为1，如果所述卷积结果小于或者等于阈值thr，则将当前位置像素值设置为0，以生成4张二值化图；步骤S7，将所述4张二值化图相同位置的像素值相加得到每个位置的像素值T，并对所述每个位置的像素值T进行判断，其中，如果T=4，则将当前位置的像素值设置1，如果T≠4，则将当前位置的像素值设置0，以生成所述工件图像对应的第一Mask图像M1；步骤S8，对所述第一Mask图像M1求最大内接矩形轮廓，将所述内接矩形轮廓内的像素置为1，内接矩形轮廓外的像素置为0，得到第二Mask图像M2；步骤S9，将所述工件图像放大设定倍数生成第一放大图像I2，将所述第二Mask图像M2放大设定倍数生成第二放大图像M3；步骤S10，将所述第二放大图像M3的最大内接矩形轮廓与所述第一放大图像I2的每个GT框求IOU值，对第一放大图像I2...

【专利技术属性】
技术研发人员：徐超，潘正颐，侯大为，童竹勍，
申请(专利权)人：常州微亿智造科技有限公司，
类型：发明
国别省市：